Nova tehnika Brainsourcinga trenira A.I. S moždanim valovima

Zamislite sobu punu stolova, kojih ukupno ima više od dva tuceta. Na svakom identičnom stolu nalazi se računalo ispred kojeg sjedi osoba koja igra jednostavnu igru ​​prepoznavanja. Igra traži od korisnika da izvrši niz osnovnih zadataka prepoznavanja, kao što je odabir fotografija iz serije koja prikazuje nekoga nasmiješenog ili prikazuje osobu s tamnom kosom ili obučenu naočale. Igrač mora donijeti odluku prije nego prijeđe na sljedeću sliku.

Samo što to ne rade klikom miša ili dodirivanjem zaslona osjetljivog na dodir. Umjesto toga, odabiru pravi odgovor jednostavno razmišljajući o njemu.

Svaka osoba u sobi opremljena je kapom za elektroencefalogram (EEG); trag žica koji vodi od svake osobe do obližnjeg uređaja za snimanje koji monitori aktivnost električnog napona na njihovom tjemenu. Scena izgleda kao ured otvorenog plana u kojem su svi uključeni u Matrix.

"Sudionici [u našoj studiji] imali su jednostavan zadatak samo prepoznati [ono što su tražili]," Tuukka Ruotsalo, znanstveni novak na Sveučilištu u Helsinkiju, koji vodio nedavno objavljeno istraživanje, rekao je za Digital Trends. “Od njih se nije tražilo ništa drugo. Samo su gledali slike koje su im pokazane. Zatim smo izradili klasifikator kako bismo vidjeli možemo li identificirati ispravno lice s ciljnim značajkama, isključivo na temelju moždanog signala. Ništa drugo nije korišteno, osim EEG signala u trenutku kada su sudionici vidjeli sliku.”

U eksperimentu je ukupno 30 dobrovoljaca prikazano slikama sintetiziranih ljudskih lica (kako bi se izbjeglo vjerojatnost da bi jedan od sudionika mogao prepoznati osobu koja mu je prikazana i stoga iskriviti rezultati). Sudionici su zamoljeni da mentalno označe lica na temelju onoga što su vidjeli i zamoljeni su da traže. Koristeći samo te podatke o moždanoj aktivnosti, an umjetna inteligencija algoritam naučio prepoznavati slike, kao što je kada se plavuša pojavi na ekranu.

Novo okretanje stare ideje

Ovo je impresivna stvar, ali nije posebno nova. Barem u posljednjem desetljeću, istraživači su koristili podatke o moždanoj aktivnosti, prikupljene putem EEG-a ili fMRI-a, kako bi izveli niz sve impresivnijih demonstracija čitanja misli. U nekim slučajevima to je identificiranje određene slike ili videa, kao što je slučaj s nedavnom studijom tijekom koje su istraživači iz Neurorobotics Laba u Moskvi pokazali da je moguće otkriti koji videoisječci koje ljudi gledaju praćenjem njihove moždane aktivnosti.

U drugim slučajevima, ti se uvidi mogu koristiti za pokretanje određenih odgovora. Na primjer, 2011. godine istraživači sa Sveučilišta Washington u St. Louisu postavili su privremene elektrode preko centra za govor u nečijem mozgu i zatim pokazali da mogu pomicanje kursora računala na ekranu jednostavno tako da osoba razmisli o tome gdje ga želi premjestiti. Druge su studije pokazale da se podaci o mozgu mogu koristiti za pomicanje robotskih udova ili lebdjenje dronova.

Ono što nedavnu studiju Sveučilišta u Helsinkiju čini novom i zanimljivom je to što se fokusira na to kako moždana aktivnost skupina ljudi, a ne pojedinačnih ljudi, može se koristiti za izvođenje zaključaka, kao što je klasificiranje slika. Ne samo da su pokazali da funkcionira, već i da - barem donekle - što više ljudi dodate u grupu, podaci postaju točniji.

"Kada dodamo više ljudi u bazu izvora mozga, tako da se podaci o mozgu bilježe od grupe ljudi, postižemo performanse od preko 90% točnosti", rekao je Ruotsalo. “[To je] gotovo na razini [tražiti od grupe da ručno označi odgovore.]”

Ovo bi u početku moglo zvučati kontraintuitivno. Ako su moždani podaci bučni, ne bi li dodavanje više ljudi učinilo još bučnijim? Na kraju krajeva, ako želite osluškivati ​​zvuk koji je posebno teško čuti u prostoriji, lakše je ako imate samo jednu osobu koja govori preko njega nego njih 10. ili 30. Ali kao povijest revolucije velikih podataka i mnoge od najznačajnijih demonstracija strojnog učenja u akciju, jasno su stavili do znanja, što više podataka imate na raspolaganju za rješavanje problema, sustavi su precizniji postati.

"Signal je općenito šuman od EEG-a ili bilo koje druge slike mozga, a sudionici ili ljudi ne prate uvijek 100%", objasnio je Ruotsalo. “Razmislite o tome da sami gledate slike. Ponekad, nakon što ste pogledali mnoge stvari, vaš um može odlutati. Čak i s pojedinačnim sudionicima, istraživači često koriste trikove, kao što je ponavljanje istog podražaja iznova kako bi mogli izračunati prosječnu buku. Ovdje koristimo signale mnogih sudionika.”

Šansa da su barem neki pojedinci fokusirani u svakom trenutku znatno je povećana u odnosu na samo jednu osobu. Dodajte tome pojam mudrosti mnoštva (više o tome kasnije) i dobit ćete vraški moćnu kombinaciju.

Uđite u svijet brainsourcinga

Tuukka Ruotsalo i njegov tim ovo grupno čitanje mozga nazivaju "brainsourcingom". To je igra pojma crowdsourcing, odnosi se na način razbijanja jednog velikog zadatka na manje zadatke koji se mogu podijeliti velikim skupinama ljudi kako bi pomogli riješiti. Ovdje u 2020., crowdsourcing bi mogao biti najveći sinonim za platforme za prikupljanje novca kao što je Kickstarter, gdje je "veliki zadatak" početni kapital potreban za lansiranje proizvoda, a distribuirani element koji se temelji na gomili uključuje traženje od ljudi da ulože manje iznose novac.

Međutim, crowdsourcing se može koristiti i za druge aplikacije. Amazonova platforma Mechanical Turk i Appleov ResearchKit su crowdsourcing alati koji iskorištavaju moć gomile za zadatke koji variraju od odgovaranja na ankete do provođenja važnih akademskih istraživanja. U međuvremenu, tvrtke kao što su TaskRabbit i 99designs iskorištavaju mnoštvo kako bi pomogle klijentima da pronađu pravu osobu isporučiti bilo što, od radova na dvorištu i kupnje namirnica do dizajniranja savršenog logotipa ili masthead stranice za vašu web stranicu.

A.I. također može imati koristi od crowdsourcinga. Razmotrimo, na primjer, Googleova reCAPTCHA tehnologija. Većina nas vjerojatno smatra da je reCAPTCHA način na koji web stranice mogu provjeriti jesmo li bot ili ne prije nego što nam dopuste obavljanje određenog zadatka. Ispunjavanje reCAPTCHA-e može uključivati ​​čitanje vrckavog retka teksta ili klikanje svake slike u odabiru koja uključuje mačku. Ali reCAPTCHA nije samo testiranje jesmo li ljudi; oni su također vrlo pametan način prikupljanja podataka koji se mogu koristiti da se Googleovo prepoznavanje slika učini umjetnom inteligencijom. pametniji. Svaki put kada pročitate dio teksta s znaka uz cestu na reCAPTCHA slici, mogli biste pridonijeti tome da, recimo, Googleovi samovozeći automobili budu malo bolji u prepoznavanju stvarnog svijeta. Kada Google prikupi dovoljno odgovora za sliku, Google je prilično siguran da ima točan odgovor.

Prerano je razmatrati kako bi se brainsourcing mogao praktički graditi na ovim idejama. "Pokušavali smo sami razmišljati o tome", rekao je Ruotsalo. “Mislim da još nemamo ideje. To je samo dokaz koncepta da to možemo učiniti. Sada je otvoreno za druge ljude da istraže koliko dobro, za koje vrste zadataka i za koje vrste grupa ljudi ovo možemo koristiti.”

Budućnost dolazi

Ali potencijal svakako postoji. Komercijalno dostupni nosivi EEG monitori sada počinju postajati dostupni — u oblicima koji variraju od slušalice za čitanje mozga do pametne tetovaže. Trenutačno, EEG demonstracije poput ove u ovoj studiji mjere samo mali postotak ukupne moždane aktivnosti osobe. Ali s vremenom bi se to moglo povećati, što znači da bi se mogla prikupiti manje binarna zbirka informacija. Umjesto samo dobivanja odgovora "da" ili "ne" na pitanja, ova bi tehnologija mogla promatrati odgovore ljudi na više složena pitanja, mogli nadzirati odgovore na medije kao što su TV emisija ili film, a zatim poslati skupne podatke o masi natrag u svoje proizvođači.

“Umjesto da koristite konvencionalne ocjene ili gumbe za sviđanje, možete jednostavno slušati pjesmu ili gledati emisiju, a vaš mozak sama aktivnost bila bi dovoljna da odredimo vaš odgovor na nju,” Keith Davis, student i asistent na istraživanju projekt, stoji u priopćenju za javnost prateći rad.

Zamislite da milijuni ljudi nose nosivu opremu za praćenje EEG-a, a vi postotku njih ponudite mikroplaćanje 10 puta dnevno u zamjenu za nekoliko sekundi da pomognu u rješavanju određenog zadatka. Nestvaran? Možda upravo sada, ali isto su učinile i mnoge današnje tehnologije masovnog prikupljanja podataka prije samo nekoliko godina.

U emisiji igre Tko želi biti milijunaš, jedan od "slamki spasa" natjecateljima je mogućnost postavljanja određenog pitanja publici. Kada se aktivira ovaj jednokratni pojas za spašavanje, publika koristi blokove za glasanje pričvršćene na svoja sjedala i glasa za odgovor na pitanje s višestrukim izborom za koje vjeruje da je točan. Računalo zatim zbraja rezultate i prikazuje ih natjecatelju u postotku. Prema knjizi Jamesa Surowieckog, Mudrost mnoštva, postavljanje pitanja publici donosi točan odgovor u više od 90% slučajeva. To je značajno bolje od opcije emisije 50/50, koja eliminira dva netočna odgovora, i opcije telefoniranja prijatelju, koja vam daje točan odgovor u otprilike dvije trećine slučajeva.

Može li brainsourcing biti sljedeća sjajna ideja tehnologije; pomaže da se učini sve, od poboljšanja zabave do obuke boljeg AI-ja. odgovarati na svakakva pitanja? Doduše, prerano je govoriti. Ali ovo je definitivno pojam o kojem ćete čuti još puno u mjesecima, godinama i desetljećima koja dolaze.

Preporuke urednika

• Nvidijino superračunalo moglo bi donijeti novu eru ChatGPT-a
• Smiješna formula: zašto je strojno generirani humor sveti gral AI-ja
• Nvidijin novi glas A.I. zvuči kao prava osoba
• Intelov nevjerojatni A.I. za praćenje sportaša je 'sveti gral' tehnologije obuke
• Tehnologija prepoznavanja lica medvjeda ima za cilj zaštititi ljude